បញ្ហា (The Problem)៖ ប្រព័ន្ធបង្រៀនឆ្លាតវៃ (ITS) បច្ចុប្បន្ននៅមានកម្រិតក្នុងការទទួលស្គាល់ និងឆ្លើយតបទៅនឹងស្ថានភាពអារម្មណ៍របស់សិស្ស (Affective State) ដែលបណ្តាលឱ្យសិស្សខ្វះការលើកទឹកចិត្ត និងការចូលរួមក្នុងការរៀនសូត្រ បើធៀបនឹងគ្រូបង្រៀនដែលជាមនុស្ស។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានរចនាប្រព័ន្ធបង្រៀនឆ្លាតវៃបែបសន្ទនា (CITS) ដែលប្រើប្រាស់ទិន្នន័យពហុទម្រង់ (Multimodal features) ដើម្បីវិភាគអារម្មណ៍ និងប្រើប្រាស់គំរូនៃឥរិយាបថតាមការយល់ដឹង ដើម្បីបង្កើតអន្តរកម្មដូចមនុស្ស។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Cognitive Intelligent Tutoring System (Proposed) ប្រព័ន្ធបង្រៀនឆ្លាតវៃតាមការយល់ដឹង (CITS) ដែលមានសមត្ថភាពបង្ហាញអារម្មណ៍ |
មានសមត្ថភាពទទួលស្គាល់ និងឆ្លើយតបចំពោះអារម្មណ៍សិស្ស (ដូចជា ធុញទ្រាន់ ឬច្របូកច្របល់) តាមរយៈទឹកមុខ កាយវិការ និងសំឡេង ដែលធ្វើឱ្យការរៀនកាន់តែមានភាពរស់រវើក។ | ទាមទារការរួមបញ្ចូលគ្នានៃបច្ចេកវិទ្យាជាច្រើន (Computer Vision, Speech Processing, AI) ដែលធ្វើឱ្យប្រព័ន្ធមានភាពស្មុគស្មាញក្នុងការអភិវឌ្ឍ។ | ទទួលបានពិន្ទុពេញចិត្តជាមធ្យម ៧.៩៨/១០ លើសមត្ថភាពយល់ពីបំណងរបស់សិស្ស និងកាត់បន្ថយភាពធុញទ្រាន់។ |
| Neutral Virtual Tutor (Baseline) តួអង្គគ្រូបង្រៀននិម្មិតដែលគ្មានការបង្ហាញអារម្មណ៍ (Neutral) |
ងាយស្រួលក្នុងការបង្កើតជាង ដោយមិនតម្រូវឱ្យមានការគណនាសម្របសម្រួលសំឡេង និងកាយវិការតាមពេលវេលាជាក់ស្តែង។ | ខ្វះភាពទាក់ទាញ និងមិនអាចជួយលើកទឹកចិត្តសិស្សនៅពេលដែលពួកគេជួបបញ្ហា ឬធុញទ្រាន់អំឡុងពេលរៀន។ | លទ្ធផលតេស្ត Friedman បង្ហាញថាមានកម្រិតទាបជាងយ៉ាងខ្លាំងក្នុងការចូលរួមរបស់អ្នកសិក្សា បើធៀបនឹងប្រព័ន្ធដែលមានអារម្មណ៍។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអភិវឌ្ឍប្រព័ន្ធនេះមិនទាមទារឧបករណ៍ថ្លៃខ្លាំងទេ ប៉ុន្តែត្រូវការបណ្ណាល័យកម្មវិធីជាក់លាក់សម្រាប់ការវិភាគរូបភាព និងសំឡេង។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅសាកលវិទ្យាល័យ Annamalai ប្រទេសឥណ្ឌា ជាមួយអ្នកចូលរួមចំនួន ៣៦ នាក់ (ប្រុស ៦០% ស្រី ៤០%)។ សម្រាប់បរិបទកម្ពុជា ភាពខុសគ្នានៃវប្បធម៌ក្នុងការបង្ហាញទឹកមុខ និងកាយវិការ អាចតម្រូវឱ្យមានការកែសម្រួលទិន្នន័យបង្វឹក (Training Data) ជាថ្មី ដើម្បីឱ្យប្រព័ន្ធដំណើរការបានត្រឹមត្រូវ។
បច្ចេកវិទ្យានេះមានសារៈសំខាន់ណាស់សម្រាប់ការលើកកម្ពស់វិស័យអប់រំតាមប្រព័ន្ធអេឡិចត្រូនិក (E-learning) នៅកម្ពុជាឱ្យកាន់តែមានប្រសិទ្ធភាព។
ទោះបីជាមានសក្តានុពលខ្ពស់ ប៉ុន្តែការអនុវត្តនៅកម្ពុជាទាមទារឱ្យមានការអភិវឌ្ឍបន្ថែមលើការស្គាល់ភាសាខ្មែរ (Khmer Speech Recognition) និងការសំយោគសំឡេងខ្មែរ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Intelligent Tutoring System (ITS) | ជាប្រព័ន្ធកុំព្យូទ័រដែលប្រើបញ្ញាសិប្បនិម្មិតដើម្បីបង្រៀនសិស្ស ដោយវាអាចផ្លាស់ប្តូរវិធីបង្រៀន និងផ្តល់មតិត្រឡប់ទៅតាមតម្រូវការជាក់ស្តែងរបស់សិស្សម្នាក់ៗដោយស្វ័យប្រវត្តិ។ | ដូចជាគ្រូឯកជនម្នាក់ដែលដឹងថាពេលណាអ្នកមិនយល់ និងប្តូរវិធីពន្យល់ភ្លាមៗ ដើម្បីឱ្យអ្នកឆាប់ចេះ។ |
| Affective State | សំដៅលើស្ថានភាពអារម្មណ៍ ឬចិត្តរបស់សិស្ស (ដូចជា ធុញទ្រាន់ ភ្ញាក់ផ្អើល ឬចាប់អារម្មណ៍) ដែលប្រព័ន្ធកុំព្យូទ័រព្យាយាមចាប់យក ដើម្បីឆ្លើយតបឱ្យសមស្របទៅនឹងអារម្មណ៍នោះ។ | ដូចជាមិត្តភក្តិដែលសម្លឹងមើលមុខអ្នក ដើម្បីដឹងថាអ្នកកំពុងសប្បាយចិត្ត ឬកើតទុក្ខ មុននឹងនិយាយអ្វីមួយ។ |
| Active Appearance Model (AAM) | ជាបច្ចេកទេសកុំព្យូទ័រមើលឃើញ (Computer Vision) ដែលប្រើសម្រាប់បង្កើតគំរូនៃផ្ទៃមុខ ដោយវាស់និងតាមដានចំណុចសំខាន់ៗដូចជា ភ្នែក ច្រមុះ និងមាត់ ដើម្បីវិភាគការផ្លាស់ប្តូរទឹកមុខ។ | ដូចជាការគូសភ្ជាប់ចំណុចតូចៗនៅលើក្រដាស ដើម្បីបង្កើតជារូបរាងមុខមនុស្ស និងតាមដានចលនារបស់វា។ |
| Adaptive Neuro-Fuzzy Inference System (ANFIS) | ជាប្រព័ន្ធបញ្ញាសិប្បនិម្មិតដែលរួមបញ្ចូលគ្នារវាងការរៀនរបស់ខួរក្បាលសិប្បនិម្មិត (Neural Network) និងតក្កវិជ្ជាស្រពិចស្រពិល (Fuzzy Logic) ដើម្បីវិភាគទិន្នន័យ និងសម្រេចចិត្តថា តើសិស្សកំពុងមានអារម្មណ៍បែបណា។ | ដូចជាចុងភៅដែលភ្លក់សម្ល ហើយថែមថយគ្រឿងផ្សំតាមការប៉ាន់ស្មាននិងបទពិសោធន៍ ដើម្បីឱ្យរសជាតិចេញមកត្រឹមត្រូវបំផុត។ |
| Multimodal behavior | ការប្រើប្រាស់មធ្យោបាយទំនាក់ទំនងច្រើនក្នុងពេលតែមួយរបស់ប្រព័ន្ធកុំព្យូទ័រ ដូចជាការបញ្ចេញសំឡេងផង ការធ្វើកាយវិការផង និងការបង្ហាញទឹកមុខផង ដើម្បីឱ្យការប្រាស្រ័យទាក់ទងមានភាពរស់រវើកដូចមនុស្ស។ | ដូចជាពេលដែលយើងនិយាយលេងជាមួយមិត្តភក្តិ ដោយប្រើទាំងសំឡេង ដៃ និងទឹកមុខ មិនមែនគ្រាន់តែនិយាយស្មើរៗដូចមនុស្សយន្តនោះទេ។ |
| Emotive Speech Synthesis | បច្ចេកវិទ្យាបង្កើតសំឡេងនិយាយដោយកុំព្យូទ័រ ដែលអាចបញ្ចូលអារម្មណ៍ (ដូចជា សប្បាយ ឬកើតទុក្ខ) ទៅក្នុងទឹកដមសំឡេងបាន មិនមែនគ្រាន់តែអានអក្សរតាមរបៀបស្ងួតៗនោះទេ។ | ដូចជាតារាសម្តែងដែលអានអត្ថបទដោយដាក់មនោសញ្ចេតនា ខុសពីសំឡេងម៉ាស៊ីន Google Translate ដែលអានគ្មានឡើងចុះ។ |
| Camshift technique | ជាវិធីសាស្ត្រកុំព្យូទ័រក្នុងការតាមដានវត្ថុដែលមានចលនា (ក្នុងអត្ថបទនេះគឺដៃ) ដោយផ្អែកលើពណ៌ ដើម្បីដឹងពីទីតាំង និងទិសដៅនៃកាយវិការរបស់សិស្ស។ | ដូចជាពន្លឺភ្លើងហ្វា (Spotlight) ដែលបញ្ចាំងតាមដានតារាចម្រៀងនៅលើឆាក គ្រប់ទីកន្លែងដែលគាត់ដើរទៅ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
